Desarrollo de un Algoritmo Computacional Basado en Técnicas de Procesamiento Digital de Señales Orientado a la Obtención del Score QRS a partir de Señales ECG, para el Laboratorio de Epidemiología de la Universidad Peruana Cayetano Heredia

• Autor: Cabanillas Ugaz, Julio Cesar
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/673265
• Enlace del recurso: http://doi.org/10.19083/tesis/673265; http://hdl.handle.net/10757/673265
• Nivel de acceso: acceso abierto
• Materia: Score QRS; ECG; Procesamiento digital de señales; Procesamiento digital de imágenes; QRS Score; Digital signal processing; Digital image processing; https://purl.org/pe-repo/ocde/ford#2.02.01; https://purl.org/pe-repo/ocde/ford#2.00.00

El presente trabajo propone un algoritmo para el cálculo del QRS Score y la determinación de los factores de confusión a partir de señales electrocardiográficas (ECG). El QRS Score es un parámetro que indica el tamaño de la cicatriz en la pared del miocardio del paciente; también es útil para determinar el estado de salud del corazón. Dicho parámetro se calcula a partir de la información de la señal, como las mediciones de tiempo, las relaciones de amplitud y las formas de onda. La evaluación de las señales de ECG se realiza mediante la percepción visual del papel cuadriculado donde se imprime como resultado del examen de electrocardiograma. Sin embargo, la reproducibilidad de este método es del 60% y la repetibilidad del 66%. Esto afecta definitivamente a la precisión de la puntuación obtenida y, por tanto, al diagnóstico de una enfermedad. El algoritmo propuesto pretende reducir la subjetividad del análisis y estandarizar las puntuaciones a obtener. El algoritmo se compone de etapas de procesamiento que implican el acondicionamiento de la señal mediante filtros de respuesta finita al impulso (FIR), la descontaminación de los factores de confusión mediante redes neuronales, la detección del complejo QRS, la detección de tiempos y amplitudes y, por último, la obtención de la puntuación QRS a partir de una tabla de criterios. Finalmente, evaluando el algoritmo propuesto con 846 muestras, obtuvo una reproducibilidad del 85% y una repetibilidad del 100% superando el rendimiento del especialista.